科学合理的电力系统规划是电力系统安全、可靠、经济运行的前提。分布式发电能给用户带来便捷、环保的能源，将分布式电源与主网供电结合是智能电网的发展方向。分布式电源的接入将给传统的配电网规划和运行带来深刻的变革。在这样的背景下，本文从含分布式电源系统负荷预测方法及配电网扩展规划两个方面进行了研究。电力系统负荷预测是电网规划的前提和基础，由于分布式电源的安装容量和位置具有随机性和不确定性，其出力情况也将受到气候等诸多因素的影响，这些都将加大含分布式电源系统负荷预测的难度。本文在分析传统负荷预测方法的基础上，总结了含分布式电源系统负荷预测研究思路。支持向量机技术具有学习能力强，能处理小样本，并且具有良好的精度，但选择合适的参数具有一定的难度，为此引入自适应粒子群优化算法对支持向量机的参数进行选择，并在算法中加入了极值扰动策略，防止其陷入局部最优。建立了基于自适应粒子群算法和支持向量机的含分布式电源系统负荷预测模型。算例分析结果表明，本文提出的方法与传统的SVM法相比具有更好的预测精度。从分布式电源并网对配电网运行和规划的影响出发，基于双层规划的方法建立了含分布式电源配电网扩展规划的模型，上层规划为电网电源规划，下层规划为配电网网架优化。针对传统规划中没有考虑对分布式电源的种类和运行时间进行选择的问题，提出了一种基于年持续负荷曲线和电源成本特性的方法来选择分布式电源的种类和投入工作的时间。在综合考虑分布式电源接入对网络损耗和电压质量影响的基础上对分布式电源的候选位置进行选择。本文采用改进的遗传算法对配电网规划模型进行优化求解，运用简化的二进制编码方式对染色体进行编码，并对传统的前推回代潮流计算方法做了基于层次关联矩阵的改进。利用图论的知识对配电网规划中可能出现的不可行解问题进行了修复。最后，通过对修改后的IEEE33节点系统进行仿真分析，证明了规划模型及其算法改进的合理性和有效性。